摘要：地表温度是一个重要的陆地表面参数，广泛应用于农业、林业、生态、全球变化等领域。卫星遥感技术为获取大区域地表温度信息提供了有效手段。Landsat数据热红外波段具有较高的空间分辨率且具有长期的数据积累，为全球变化等需要长时间序列对比分析的研究提供了理想的数据源。基于Landsat数据和普适性单通道算法生产了中国区域1986–2019年长时间序列地表温度产品，可为资源调查、生态环境监测、全球变化研究等相关领域的研究和应用提供数据产品支撑。
关键词：地表温度；定量反演；陆地卫星；中国区域
Abstract: Land surface temperature is an important land surface parameter, and is widely used in agriculture, forestry, ecology, global change and other fields. Satellite remote sensing technology provides an effective way to obtain large-scale surface temperature information. The thermal infrared band of Landsat data are characteristic of high spatial resolution and long-term data accumulation, which can provide an ideal data source for such studies as global changes that require long-term sequence data accumulation. Based on Landsat data and generalized single channel algorithm, we obtained the Landsat surface temperature products of long time series (1986-2019) over China. This dataset can provide data support for the research and application in related fields, such as resource survey, ecological environment monitoring, and global change research.
Keywords: land surface temperature; quantitative retrieval; Landsat satellite; China
| 数据库（集）名称 | 中国区域Landsat地表温度产品 |
| 数据作者 | 张兆明、何国金、彭燕、龙腾飞、王猛猛、魏明月 |
| 数据通信作者 | 何国金（hegj@aircas.ac.cn） |
| 数据时间范围 | 1986–2019年 |
| 地理区域 | 中国 |
| 空间分辨率 | 120/100/60 m |
| 数据量 | 360 GB |
| 数据格式 | *.TIF |
| 数据服务系统网址 | http://databank.casearth.cn http://www.sciencedb.cn/dataSet/handle/985 |
| 基金项目 | 中国科学院A类先导专项（XDA19090300）；国家自然科学基金项目（61731022）。 |
| 数据库（集）组成 | 按照影像行列号（path/row）和获取时间存放在不同的文件夹中，每个文件夹包含数据文件（TIF格式）、质量文件（QA）以及元数据文件（XML格式）。 |
| Title | Landsat surface temperature products over China |
| Data corresponding author | He Guojin (hegj@aircas.ac.cn) |
| Data authors | Zhang Zhaoming, He Guojin, Peng Yan, Long Tengfei, Wang Mengmeng, Wei Mingyue |
| Time range | 1986–2019 |
| Geographical scope | China |
| Spatial resolution | 120/100/60 m |
| Data volume | 360 GB |
| Data format | *.TIF |
| Data service system | <http://databank.casearth.cn> <http://www.sciencedb.cn/dataSet/handle/985> |
| Source of funding | Strategic Priority Research Program of the Chinese Academy of Sciences (XDA19090300); National Natural Science Foundation of China (61731022). |
| Dataset composition | The dataset consists of the data file in TIFF format, quality attribute file (QA), and metadata file in XML format. The data are saved in different folders according to the image row number and acquisition time. |
地表温度是表征地物在热红外波段发射特征的物理量，从卫星数据的热红外波段像元值经过辐射定标、大气校正和比辐射率校正等定量处理可以反演得到地表温度。自1982年以来，Landsat系列卫星持续获取了大量的时间序列热红外数据，尤其是Landsat 5卫星持续高质量运行30多年的时间，积累了大量的热红外数据。和其他长时间序列卫星数据（比如TERRA/AQUA MODIS数据和NOAA AVHRR数据）相比，Landsat热红外数据不仅持续时间长，更重要的是空间分辨率大大提高（空间分辨率为60 m/100 m/120 m）。Landsat 4/5/7卫星都只有一个热红外波段，Landsat 8卫星虽然具有两个热红外波段（第10和第11波段），但是第11波段的定标误差偏大，不能应用于定量地表温度反演。因此从Landsat系列卫星数据反演地表温度只能利用单通道算法，需要发展高精度且实用性强的单通道地表温度反演算法进行Landsat数据地表温度产品生产[1]。
1.1
数据采集方法
选择中国遥感卫星地面站接收的Landsat卫星数据，包括Landsat 5/7/8卫星数据，空间范围覆盖中国全境，时间范围从1986年至2019年。尽可能选择无云、高质量的影像数据，所有数据均做过高精度的正射校正处理。
1.2
数据处理方法
在Landsat卫星数据辐射定标的基础上利用普适性单通道算法反演地表温度。普适性单通道算法需要地表比辐射率和总大气水蒸汽含量两个关键的输入参数。地表比辐射率通过NDVI（Normalized Difference Vegetation Index，归一化差值植被指数）阈值法来获取。总大气水蒸汽含量无法从Landsat卫星数据自身来获取，需要借助外源数据经过插值处理得到。对于2000年以前接收的Landsat数据，利用NCEP再分析资料来获取总大气水蒸汽含量；对于2000年以后接收的Landsat数据，则利用MODIS大气水蒸汽含量产品（空间分辨率为1 km），从而协同两种卫星数据的优势实现地表温度的高精度反演[2]。
（1）式中，TS 是地表温度，Li 是i波段的辐射亮度，εi 是i波段的比辐射率，γ和δ是普朗克方程相关的系数，计算公式为：
（2）
（3）其中，Ti 是i波段的星上亮度温度，
，c2=1.4387685，λ是有效波长。对于Landsat 4 TM 第6波段，bγ =1290 K；对于Landsat 5 TM 第6波段，bγ =1256 K ；对于Landsat 7 ETM+ 第6波段，bγ =1277 K；对于Landsat 8 TIRS 第10波段，bγ =1324 K。ψ1 、ψ2 和ψ3 为3个大气功能参数，均由大气水蒸汽含量（w）计算得到，计算公式如式4和表1。
，c2=1.4387685，λ是有效波长。对于Landsat 4 TM 第6波段，bγ =1290 K；对于Landsat 5 TM 第6波段，bγ =1256 K ；对于Landsat 7 ETM+ 第6波段，bγ =1277 K；对于Landsat 8 TIRS 第10波段，bγ =1324 K。ψ1 、ψ2 和ψ3 为3个大气功能参数，均由大气水蒸汽含量（w）计算得到，计算公式如式4和表1。
（4）| 传感器\通道 | cij | j =1 | j =2 | j =3 |
| Landsat 4 TM 6 | i =1 | 0.06674 | −0.03447 | 1.04483 |
| i =2 | −0.50095 | −1.15652 | 0.09812 | |
| i =3 | −0.04732 | 1.50453 | −0.34405 | |
| Landsat 5 TM 6 | i =1 | 0.08158 | −0.05707 | 1.05991 |
| i =2 | −0.58853 | −1.08536 | −0.00448 | |
| i =3 | −0.06201 | 1.59086 | −0.33513 | |
| Landsat 7 ETM+ 6 | i =1 | 0.06982 | −0.03366 | 1.04896 |
| i =2 | −0.51041 | −1.20026 | 0.06297 | |
| i =3 | −0.05457 | 1.52631 | −0.32136 | |
| Landsat 8 TIRS 10 | i =1 | 0.04019 | 0.02916 | 1.01523 |
| i =2 | −0.38333 | −1.50294 | 0.20324 | |
| i =3 | 0.00918 | 1.36072 | −0.27514 |
数据产品按照影像行列号（path/row）和获取时间存放在不同的文件夹中，文件夹中包含数据文件（TIFF格式）（地表温度结果示例见图1）、数据质量文件（Quality Attribute，QA）和元数据文件（XML格式）。数据文件的空间分辨率分别为120 m（对应于Landsat 5卫星第6波段）、100 m（对应于Landsat 8卫星第10波段和第11波段）和60 m（对应于Landsat 7卫星第6波段）。为了降低存储空间，将地表温度反演结果的单位转换为开尔文（K），并将浮点型乘以10变成16位整型进行存储，背景填充值为-9999，同时所有的栅格图像均进行了“LZW”的无损压缩。
数据质量文件（QA）包括在原始数据的基础上生成的QA（即PIXEL-QA）和辐射亮度值QA（即RADSAT-QA）。PIXEL-QA主要是对填充值（Fill）、晴空（Clear）、云（Cloud）、云置信度（Cloud Confidence）、云阴影（Cloud Shadow）、冰雪（Snow/Ice）以及水（Water）等信息进行标识，命名规则为卫星-传感器-path-row-成像日期-PIXEL-QA.TIF。辐射亮度值QA主要是对辐射饱和值和有效值进行标识，命名规则为卫星-传感器-path-row-成像日期-RADSAT-QA.TIF。Landsat 5/7和Landsat 8的QA属性表分别如表2–4所示。
| 位 | 位值 | 累计和 | 属性 | 像素值 |
|---|---|---|---|---|
| 0 | 1 | 1 | Fill | 1 |
| 1 | 2 | 3 | Clear | 66,130 |
| 2 | 4 | 7 | Water | 68,132 |
| 3 | 8 | 15 | Cloud Shadow | 72,136 |
| 4 | 16 | 31 | Snow/Ice | 80,112,144,176 |
| 5 | 32 | 63 | Cloud | 96,112,160,176,224 |
| 6 | 64 | 127 | 云置信度（Cloud Confidence） 00 =未设置（None） 01 =低（Low） 10 =中（Medium） 11 =高（High） | 低云置信度（Low Cloud Confidence）：66,68,72,80,96,112 中等云置信度（Medium Cloud Confidence）：130,132,136,144,160,176 高云置信度（High Cloud Confidence）：224 |
| 7 | 128 | 255 |
| 位 | 位值 | 累计和 | 属性 | 像素值 |
|---|---|---|---|---|
| 0 | 1 | 1 | Fill | 1 |
| 1 | 2 | 3 | Clear | 322,386 |
| 2 | 4 | 7 | Water | 324,388,836,900 |
| 3 | 8 | 15 | Cloud Shadow | 328,392,840,904 |
| 4 | 16 | 31 | Snow/Ice | 336, 368, 400, 432, 848, 880, 912, 944 |
| 5 | 32 | 63 | Cloud | 352, 368, 416, 432, 480, 864, 880, 928, 944, 992 |
| 6 | 64 | 127 | 云置信度（Cloud Confidence） 00 =未设置（None） 01 =低（Low） 10 =中（Medium） 11 =高（High） | 低云置信度（Low Cloud Confidence）：322, 324, 328, 336, 352, 368, 832, 836, 840, 848, 864, 880 中等云置信度（Medium Cloud Confidence）：386, 388, 392, 400, 416, 432, 900, 904, 928, 944 高云置信度（High Cloud Confidence）：480, 992 |
| 7 | 128 | 255 | ||
| 8 | 256 | 511 | 卷云置信度（Cirrus Confidence） 00 =未设置（Not Set） 01 = 低（Low） 10 = 中（Medium） 11 =高（High） | 低卷云置信度（Low Cirrus Confidence）：322, 324, 328, 336, 352, 368, 386, 388, 392, 400, 416, 432, 480 高卷云置信度（High Cirrus Confidence）：832, 836, 840, 848, 864, 880, 900, 904, 912, 928, 944, 992 |
| 9 | 512 | 1023 | ||
| 10 | 1024 | 2047 | Terrain Occlusion（地形遮挡） | ≥1024 |
| 位 | 位值 | 累计和 | 描述 |
|---|---|---|---|
| 0 | 1 | 1 | 数据填充标记（0，有效值；1，无效值） |
| 1 | 2 | 3 | 波段1数据饱和标记（0，有效值；1，饱和值） |
| 2 | 4 | 7 | 波段2数据饱和标记（0，有效值；1，饱和值） |
| 3 | 8 | 15 | 波段3数据饱和标记（0，有效值；1，饱和值） |
| 4 | 16 | 31 | 波段4数据饱和标记（0，有效值；1，饱和值） |
| 5 | 32 | 63 | 波段5数据饱和标记（0，有效值；1，饱和值） |
| 6 | 64 | 127 | 波段6数据饱和标记（0，有效值；1，饱和值） |
| 7 | 128 | 255 | 波段7数据饱和标记（0，有效值；1，饱和值） |
| 8 | N/A | N/A | 未使用 |
| 9 | 512 | 1023 | 波段9数据饱和标记（0，有效值；1，饱和值） |
| 10 | 1024 | 2047 | 波段10数据饱和标记（0，有效值；1，饱和值） |
| 11 | 2048 | 4095 | 波段11数据饱和标记（0，有效值；1，饱和值） |
制定了Landsat地表温度产品生产标准，规范了产品的坐标系（WGS84）与投影方式（UTM）、产品格式、命名规则、文件组成及元数据标准，确保数据产品生产的标准化。制定了Landsat地表温度产品质量检验规范，规定了产品质量检验的过程和方法，保证产品的质量。在Landsat地表温度产品精度验证方面，利用独立模拟数据的验证结果表明，全球尺度上，当总大气水蒸汽含量位于0.5–3 g/cm2区间时，Landsat地表温度的反演精度（Root Mean Square Error，RMSE）在2 K以内[3]；基于中国区域的样地实测数据的验证结果表明，Landsat地表温度的反演精度为0.83 K[5]；基于SURFRAD（Surface Radiation Budget Network）地表实测数据的验证结果表明，在总大气水蒸汽含量位于0.5–3 g/cm2区间时，Landsat地表温度的反演精度为1.96 K[6]。详细验证过程可以参阅上述文献。
地表温度是一个常用的陆地表面参数，广泛应用于农业、林业、生态、全球变化等领域。利用遥感技术反演地表温度具有明显的优势，目前可用的星载热红外遥感数据非常有限，且空间分辨率往往不高。在可用数据源中，Landsat数据热红外波段具有较高的空间分辨率且具有长期的数据积累。中国区域Landsat地表温度产品基于1986年以来的全部高质量的Landsat数据，产品具有高精度的几何定位、归一化的波谱量纲，可为资源调查、生态环境监测、全球变化研究等相关领域的研究和应用提供数据产品支撑。
本数据集可通过地球大数据科学工程（CASEarth）Databank在线服务网址（http://databank.casearth.cn）获取数据。用户注册成功并登录系统后，进入平台产品查询界面，产品类型选择“LST”，用户可根据行政区、地图选择以及行列号等方式查询下载所需要的数据。后续作者会持续更新我国区域的地表温度产品，以提供更好的、持续的数据共享服务。若平台系统中暂时缺少用户所需的数据或者有与本数据相关的其他数据需求，可通过咨询本文作者进行申请。
[1]
HE G J, ZHANG Z M, JIAO W L, et al. Generation of ready to use (RTU) products over China based on Landsat series data[J]. Big Earth Data, 2018, 2: 56-64. DOI: 10.1080/20964471.2018.1433370
[2]
ZHANG Z M, HE G J. Generation of Landsat surface temperature product for China, 2000–2010[J]. International Journal of Remote Sensing, 2013, 34(20): 7369-7375.
[3]
JIMENEZ-MUNOZ J C, CRISTOBAL J, SOBRINO J A, et al. Revision of the single-channel algorithm for land surface temperature retrieval from Landsat thermal-infrared data[J]. IEEE Transactions on Geoscience and Remote Sensing, 2009, 47(1): 339-349.
[4]
JIMENEZ-MUNOZ J C, SOBRINO J A, SKOKOVIC D, et al. Land Surface Temperature Retrieval Methods From Landsat-8 Thermal Infrared Sensor Data[J]. IEEE Geoscience and Remote Sensing Letters, 2014,11: 1840-1843.
[5]
ZHANG Z M, HE G J, WANG M M, et al. Towards an operational method for land surface temperature retrieval from Landsat 8 data[J]. Remote Sensing Letters, 2016, 7(3): 279-288.
